MedQuAD - 涵盖多类医学问题的大规模问答数据集

MedQuAD：医学问答数据集

MedQuAD包含47,457对医学问答对，这些问答对来自12个NIH网站（如cancer.gov、niddk.nih.gov、GARD、MedlinePlus健康主题）。该集合涵盖了37种问题类型（如治疗、诊断、副作用），涉及疾病、药物和其他医学实体，如检查。

我们在XML文件中包含了额外的注释，可用于各种信息检索和自然语言处理任务，如问题类型、问题焦点、同义词、UMLS概念唯一标识符（CUI）和语义类型。我们在4个MedlinePlus集合中添加了问题焦点的类别（疾病、药物或其他）。其他所有集合都是关于疾病的。

下面引用的论文描述了该集合、构建方法以及在医学问答系统中的使用和评估。

注意：我们从3个子集中删除了答案，以尊重MedlinePlus版权（https://medlineplus.gov/copyright.html）： (1) A.D.A.M.医学百科全书，(2) MedlinePlus药物信息，和(3) MedlinePlus草药和补充剂信息。 -- 我们保留了所有其他信息，包括URL，以便您爬取答案。如有任何问题，请与我联系。

问答测试集合

我们使用了TREC-2017 LiveQA医疗任务的测试问题：https://github.com/abachaa/LiveQA_MedicalTask_TREC2017/tree/master/TestDataset。

如我们的BMC论文所述，我们手动判断了从MedQuAD集合中检索到的IR和QA系统的答案。我们使用了与LiveQA赛道相同的判断分数：1-不正确，2-相关，3-不完整，4-优秀。 -- qrels文件格式：问题ID 判断答案ID

QA测试集合包含2,479个已判断的答案，可用于评估IR和QA系统在LiveQA-Med测试问题上的表现：https://github.com/abachaa/MedQuAD/blob/master/QA-TestSet-LiveQA-Med-Qrels-2479-Answers.zip

参考文献

如果您使用MedQuAD数据集和/或2,479个已判断答案的集合，请引用以下论文："一种基于问题蕴含的问答方法"。Asma Ben Abacha和Dina Demner-Fushman。BMC生物信息学，2019年。

@ARTICLE{BenAbacha-BMC-2019,    
	  author    = {Asma {Ben Abacha} and Dina Demner{-}Fushman},
	  title     = {A Question-Entailment Approach to Question Answering},
	  journal = {{BMC} Bioinform.}, 
	  volume    = {20},
	  number    = {1},
 		  pages     = {511:1--511:23},
	  year      = {2019},
url       = {https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-019-3119-4}
	   }

许可证

MedQuAD数据集以知识共享署名4.0国际许可证（CC BY）发布。https://creativecommons.org/licenses/by/4.0/

联系方式

Asma Ben abacha (abenabacha at microsoft dot com)